Paper als Download - Dynardo GmbH

aus, dass die Modelle im Verhältnis zur erwarteten realen Streuung der Ergebnisgrößen
numerisch stabile Prognosen lieferten. Es stellte sich in den numerischen
Robustheitsbewertungen allerdings schnell die Frage, um wie viel die numerischen
Parameter variiert werden sollten. Beziehungsweise wie sinnvoll eine Variation numerischer
Parameter, welche häufig zuvor an Komponentenverifikationen „eingestellt“ worden sind,
überhaupt ist. Zusammenfassend musste festgestellt werden, dass zwar mittels der
numerischen Robustheitsbewertungen numerische Probleme der Modelle aufgedeckt
werden konnten (wenn resultierende Streuungen eindeutig zu hoch waren oder sich
offensichtlich falsche Ergebnisse einstellten), aber eine belastbare quantitative Bewertung ob
Modelle numerisch ausreichend „robust“ sind, nicht möglich war. Nicht verschwiegen werden
sollte auch der Umstand, dass die numerischen Robustheitsbewertungen für jeden Punkt im
„physikalischen“ Raum der Robustheitsbewertungen unterschiedlich sein kann. Als Bespiel
seien Kontaktalgorithmen benannt, welche im Referenzdesign unter Variation der
numerischen Parameter einwandfrei funktionierten können, aber unter Berücksichtigung der
Streuung geometrischer Parameter irgendwann nicht mehr.
3.4 Verwendung von Bestimmtheitsmaßen zur Absicherung der Modellrobustheit
Der Einfluss des numerischen Rauschens auf die Ergebnisse sollte besser über die
Bestimmtheit der Robustheitsbewertungen gegenüber in Natura auftretenden Streuungen
abgeschätzt werden. Ist das Bestimmtheitsmaß der Robustheitsbewertung hoch, verbleibt
nur ein kleiner Anteil für bisher nicht erklärbare Variationsanteile, wovon eine Ursache
numerisches Rauschen sein kann. Um die Bestimmtheit von Ergebnisgrößen als
quantitatives Maß für die numerische Modellrobustheit zu nehmen, müssen die
Bestimmtheitsanteile der gefundenen Zusammenhänge natürlich mit ausreichender
statistischer Sicherheit geschätzt werden. Das formuliert dann weitere Anforderungen an das
Samplingverfahren, die Anzahl der Durchrechnungen und die statistischen Algorithmen zur
Schätzung der Bestimmtheitsmaße [9]. Daraus ergaben sich wichtige Anforderungen an die
Weiterentwicklung der stochastischen Verfahren, welche innerhalb der ersten Projektphase
schrittweise in optiSLang [19] umgesetzt worden sind. Nach sehr positiven Erfahrungen der
Abschätzung des Einflusses numerischen Rauschens über die Bestimmtheitsmaße von
Robustheitsbewertungen, wurde die Arbeitsweise für den Serieneinsatz umgestellt. Jetzt
werden für alle wichtigen Lastfälle Robustheitsbewertungen gegenüber in Natura
auftretenden Streuungen durchgeführt und nur in Fällen geringer Bestimmtheitsmaße
numerische Robustheitsbewertungen zur Diagnose der numerischen Probleme eingesetzt.
Dabei konnten in der Regel bei „numerisch“ robusten Modellen Bestimmtheiten unter
Seite 8